LeetCode 200. 岛屿数量+LeetCode 695. 岛屿的最大面积
发布日期:2021-06-29 21:37:22 浏览次数:2 分类:技术文章

本文共 2223 字,大约阅读时间需要 7 分钟。

题目链接:

题目描述:

给你一个由 ‘1’(陆地)和 ‘0’(水)组成的的二维网格,请你计算网格中岛屿的数量。

岛屿总是被水包围,并且每座岛屿只能由水平方向或竖直方向上相邻的陆地连接形成。

此外,你可以假设该网格的四条边均被水包围。

示例:

输入:[['1','1','1','1','0'],['1','1','0','1','0'],['1','1','0','0','0'],['0','0','0','0','0']]输出: 1输入:[['1','1','0','0','0'],['1','1','0','0','0'],['0','0','1','0','0'],['0','0','0','1','1']]输出: 3解释: 每座岛屿只能由水平和/或竖直方向上相邻的陆地连接而成。

解题思路:基础dfs/bfs求连通块了,和差不多,主要是就是利用dfs消除同一连通块中的印记,这里的方向只能上下左右,注意方向数组的定义就好了(保证走到一个方向后能回来去其余任意方向,也就是两点一线过原点)。当然,这题也可以用并查集解答,将相邻的陆地合并在同一个集合中,最后判断有多少个集合就ok。

AC代码:

class Solution {
int dir[][]=new int[][]{
{
1,0},{
-1,0},{
0,1},{
0,-1}}; public int numIslands(char[][] grid) {
if(grid.length==0) return 0; int m=grid[0].length; int n=grid.length; int sum=0; for(int i=0;i
=0&&dx
=0&&dy

这个题其实和上面差不太多,上面的任务是求出连通块的数量,这个题就稍微细一点,求出最大的连通块,需要计算连通块的面积,因此我们任然采用dfs求连通块常用套路,只不过这次我们在搜一个连通块的时候还需要对陆地数量进行一下计数,最后统计出最大的连通块。需要注意的是由于消除连通块印记之前我们已经对当前陆地坐标进行了消除,因此需要计数。

题目如下:
给定一个包含了一些 0 和 1 的非空二维数组 grid 。

一个 岛屿 是由一些相邻的 1 (代表土地) 构成的组合,这里的「相邻」要求两个 1 必须在水平或者竖直方向上相邻。你可以假设 grid 的四个边缘都被 0(代表水)包围着。

找到给定的二维数组中最大的岛屿面积。(如果没有岛屿,则返回面积为 0 。)

示例:

[[0,0,1,0,0,0,0,1,0,0,0,0,0], [0,0,0,0,0,0,0,1,1,1,0,0,0], [0,1,1,0,1,0,0,0,0,0,0,0,0], [0,1,0,0,1,1,0,0,1,0,1,0,0], [0,1,0,0,1,1,0,0,1,1,1,0,0], [0,0,0,0,0,0,0,0,0,0,1,0,0], [0,0,0,0,0,0,0,1,1,1,0,0,0], [0,0,0,0,0,0,0,1,1,0,0,0,0]]

对于上面这个给定矩阵应返回 6。注意答案不应该是 11 ,因为岛屿只能包含水平或垂直的四个方向的 1 。

注意: 给定的矩阵grid 的长度和宽度都不超过 50。

代码:

class Solution {
private int res=0; private int dir[][]=new int[][]{
{
0,1},{
0,-1},{
1,0},{
-1,0}}; public int maxAreaOfIsland(int[][] grid) {
if(grid.length==0) return 0; int n=grid.length; int m=grid[0].length; int ans=0; for(int i=0;i
res?ans:res; } } } return ans; } public void dfs(int x,int y,int grid[][]){
int n=grid.length; int m=grid[0].length; for(int i=0;i<4;i++){
int dx=x+dir[i][0]; int dy=y+dir[i][1]; if(dx>=0&&dx
=0&&dy

扩展:相应地,如果方向是8个方向(米字):我们方向数组可以定义如下:

private int dir[][]=new int[][]{
{0,1},{0,-1},{1,0},{-1,0},{1,1},{-1,-1},{-1,1},{1,-1}};

转载地址:https://dh-butterfly.blog.csdn.net/article/details/108811749 如侵犯您的版权,请留言回复原文章的地址,我们会给您删除此文章,给您带来不便请您谅解!

上一篇:神经网络的学习为何要设定损失函数以及为什么要使用交叉熵损失函数
下一篇:申请百度文字识别APIkey和Secret Key+文字验证码识别案例

发表评论

最新留言

留言是一种美德,欢迎回访!
[***.207.175.100]2024年04月30日 12时15分54秒